CN119415707A 一种带约束的大模型专利图谱构建方法 （广州市奇之信息技术有限公司）

本申请提供一种带约束的大模型专利图谱状态和图谱搭建流程匹配每一个过程的TRIZ规则,将过程的TRIZ规则形成过程TRIZ规则表,根理规则,对图谱中的知识进行约束条件集群分2构建TRIZ规则表,通过输入图谱状态和图谱搭建流程匹配每一个过程的TRIZ规则,将过程的TRIZ规则形成过程TRIZ规则表,根据每个过程进行TRIZ规则匹配,得到TRIZ规则匹根据TRIZ规则匹配结果,采用层次聚类算法对图谱中节点的内在属性和整个图谱的拓根据约束条件集群的关联关系,将约束条件分解为依赖对象和触发等级,构建约束条件的依赖关系集和触发先后顺序,并获取约束条件依赖关系集和触发先后顺序的时空属根据不同版本节点的时空属性,构建关系约束版本树,通过版本树节点在连续时空上的映射来获取约束条件间的关联性，若关系约束条件关联性发生变化,则触发相应的约束将更新后的约束条件集群转化为逻辑推理规则,对图谱中的知识进行约束条件集群分类,根据逻辑推理规则判断图谱知识是否违反约束条件或依赖关系集，若违反约束条件或基于图谱知识节点和约束条件集进行监控及预警,根据约束条件集与图谱知识节点的采用期望最大化算法对更新后的约束条件集群进行关联性分析,迭代优化约束条件集群,直至约束条件集群的关联性趋于稳定，根据优化后的约束条件集群更新逻辑推理规则和图谱搭建流程匹配每一个过程的TRIZ规则,将过程的TRIZ规则形成过程TRIZ规则表,根根据所述图谱状态的向量表示计算其与预设状态模板向量的匹配程针对每条规则计算其与所述当前图谱状态的适用性得分，所述适利用图谱状态特征作为输入，自顶向下遍历决策将所述规则子集与图谱搭建流程中的每个过程进行映射，形成完整的过程TRIZ规则若所述过程TRIZ规则表中存在相互矛盾的规则，则根据规则3类算法对图谱中节点的内在属性和整个图谱的拓扑结构进行分析,得到不同粒度和层次的获取图谱中节点的内在属性和拓扑结构特征，所述内在属性和拓扑结基于聚类结果构建层次树，从叶节点开始自底向上合并，若两采用Apriori算法分析约束条件集群间关联性，根据预设的最小支持度和最小置信度根据所述关联规则的支持度、置信度和提升度对规则进行排序，选取排序靠束条件分解为依赖对象和触发等级,构建约束条件的依赖关系集和触发先后顺序,并获取约束条件依赖关系集和触发先后顺序的时空属性,将时空属性转化为当前版本节点的子节根据约束条件集群的关联关系，计算节点重要性评分，通过所述利用所述依赖对象列表和所述触发等级矩阵，计算依赖关系有向图中的依赖路径长度和触发时间间隔，将所将所述时间序列数据输入到卷积循环神经网络中进行训练，所根据所述聚类中心集合生成子节点集合，通过比较新生成的子节点与现关系约束版本树,通过版本树节点在连续时空上的映射来获取约束条件间的关联性，若关构建关系约束版本树，通过计算节点间欧氏距离确定4若节点间关联强度的变化超过预设阈值，则采用图卷积网络模拟约束条件的扩散过若节点位置变化超过预设变化阈值，则重新对受影响的6.根据权利要求5所述的方法，其特征在于，所述通过对约束条件间的关联性划分等括:从传播等级栈的栈顶开始，取出高关联性的约束条件，通过深度推理规则,对图谱中的知识进行约束条件集群分类,根据逻辑推理规则判断图谱知识是否采用决策树算法构建逻辑推理规则，所述算法通过设置信息增益阈值根据所述逻辑推理规则，利用朴素贝叶斯算法对知识进行约束条件集对分类后的图谱知识，使用前向链推理算法进行约束条件和依赖针对违反的规则和知识项，采用模糊综合评判法进行综合评估若综合评估结果超过预设的预警等级阈值，则触发相应级5监控及预警,根据约束条件集与图谱知识节点的匹配计算评估得分，若评估得分低于设定设定评估得分阈值，若节点的评估得分低于所述评估得分阈值，则启根据所述约束条件的扩散过程更新受影响节点的约束条件集群将所述更新后的约束条件集群通过消息队列反馈到知识获取约束条件总数，将其平方根作为初始聚类数，采用期望最大化具体包括计算连续两次迭代后聚类中心的变化率、轮廓系数和Calinski_Harabasz指还包括：计算当前约束条件集群与前一版本集群之间的关联性根据当前版本和前一版本集群的结构特征，采用主成分分析方法网络模型采用四层全连接结构；使用反向传播算法对所述神经网络模型进行训练，采用67[0002]图谱中的约束条件传播与图谱的拓扑结构密切相关成约束条件的集群效应,造成约束扩散现象。这种约束扩散可能沿着图谱中的某些关键路的变化而动态演变。同一约束条件在不同时间点触发可能产生完全不同的效果,甚至导致约束条件,控制约束扩散,处理时空变化带来的动态适应问题,是一个亟需解决的技术难[0004]构建TRIZ规则表,通过输入图谱状态和图谱搭建流程匹配每一个过程的TRIZ规[0005]根据TRIZ规则匹配结果,采用层次聚类算法[0006]根据约束条件集群的关联关系,将约束条件分解为依赖对象和触发等级,构建约束条件的依赖关系集和触发先后顺序,并获取约束条件依赖关系集和触发先后顺序的时空[0007]根据不同版本节点的时空属性,构建关系约束版本树,通过版本树节点在连续时空上的映射来获取约束条件间的关联性，若关系约束条件关联性发生变化,[0008]将更新后的约束条件集群转化为逻辑推理规则,对图谱中的知群分类,根据逻辑推理规则判断图谱知识是否违反约束条件或依赖关系集，若违反约束条[0009]基于图谱知识节点和约束条件集进行监控及预点的匹配计算评估得分，若评估得分低于设定阈值,则隔离该知识节点并添加到删除8[0010]采用期望最大化算法对更新后的约束条件集群件集群,直至约束条件集群的关联性趋于稳定，根据优化后的约束条件集群更新逻辑推理[0018]步骤S101，构建TRIZ规则表,通9谱特征提取过程中，采用图卷积网络对图谱节点和边进行编码。以一个包含100个节点和[0021]步骤S102，根据TRIZ规则匹配结果,采用和整个图谱的拓扑结构进行分析,得到不同粒度和层次的约束条件集群,分析约束条件之[0023]具体来说，根据TRIZ规则匹配结果获取图谱中节点的内在属性和拓扑结构特信度和提升度对规则进行排序，选取前10％的规则作为最终的约束条件集群间关联关系，[0024]步骤S103，根据约束条件集群的关联关系,将级,构建约束条件的依赖关系集和触发先后顺序,并获取约束条件依赖关系集和触发先后个LSTM层和2个全连接层，提取约束条件依赖关系和触发顺序的时间演化特征和空间分布节点的时空属性向量进行主成分分析，保留解释95％方差的主成分，降至64维。使用K_在连续时空上的映射来获取约束条件间的关联性，若关系约束条件关联性发生变化果，使用决策树算法(最大深度为5，最小样本分割为10)对受影响的约束条件集群进行调通过轮廓系数法确定最佳的K值，得到关联性等级划分结果；利用所述关联性等级划分结被充分考虑，直到栈为空或达到最大迭代次围0.1_1.0)和传播路径长度，若累积效应超过节点初[0033]步骤S105，将更新后的约束条件集群转化为逻辑约束条件集群分类,根据逻辑推理规则判断图谱知识是否违反约束条件或依赖关系集，若信息增益阈值为0.1，生成了150条逻辑推理规则。对知识图谱中的10000个知[0036]步骤S106，基于图谱知识节点和约束条件图谱知识节点的匹配计算评估得分，若评估得分低于设定阈值,则隔离该[0039]步骤S107，采用期望最大化算法对更优化约束条件集群,直至约束条件集群的关联性趋于稳定，根据优化后的约束条件集群更联性是否达到稳定状态，通过计算连续两次迭代后聚类中心的变化率、轮廓系数和常数据的95百分位数。监控频率设置为每6小时一次，持续评估图谱知识的一致性和准确[0043]根据当前版本和前一版